- 智力并非单一的、固定的，也不等同于智商；它是多样化的、动态的，并且会受到情境的影响。
- 古典模型和现代模型都结合了一般因素、天赋和多元智能。
- 测试衡量的是特定技能；由于存在偏见和局限性，因此在使用测试时需要谨慎。
- 人工智能不是人类的思维：决策与选择不同；目前还没有经过验证的通用人工智能。
谈论智力似乎很容易，直到我们试图定义它是什么，以及最重要的是，它不是什么。 日常直觉往往将想法、证据和神话混杂在一起。 这些发现并不总是与心理学、教育学甚至该术语的历史所发现的相符。
如果你曾经说过“多么聪明的孩子”或者听说过“聪明与成功有关”，那么是时候澄清一下了。 智力既不是一个单一的、一成不变的东西，也不能简化为考试分数，更不能等同于学位数量的积累。它还具有实用性、人际关系性和创造性，并且会随着环境、教育和经验的积累而不断完善。
智力不是什么：应该被揭穿的神话
首先，智力不是一个单一的实体，不是像开关一样非此即彼，要么拥有要么不拥有。 提升认知能力的方法有很多种。从逻辑分析能力到音乐、空间、肢体、情感或社交技能，智力涵盖了方方面面。将其简化为一个笼统的标签（“聪明”）抹杀了这种多样性。
这也不是一成不变的。 我们并非变得更聪明，而是变得越来越不聪明。 这取决于刺激的质量、家庭和教师的指导、文化资源以及实践机会。谈论“智力高低”关注的是过程，而不是某种所谓不变的本质。
它并不等同于百科全书般的记忆力或渊博的学识。 知识渊博并不能保证能够很好地处理信息、解决新情况或顺利适应变化。真正的智慧体现在解读、计划、决策和从经验中学习的能力上。
智力并不能保证成功。 如果没有努力、习惯、好的导师和支持性的环境，光有分析能力是走不远的。顺便说一句，成功是一个因人而异的概念：对一些人来说，成功意味着地位或财富；对另一些人来说，成功意味着幸福、牢固的人际关系和有意义的生活。
不，智力并不等同于智商。 心理测量测试只能评估有限的几种能力。它们在某些方面很有用，但它们并不能涵盖我们在现实生活中所理解的智能行为；此外，它们的可靠性和有效性取决于设计、样本以及对它们的合乎伦理的使用。
定义智能：多种方法的融合
该术语源自拉丁语“intelligentia”和动词“intellegere”（读懂、辨别）。 在中世纪经院哲学中，他们谈到了“理智”。后来的思想家，如培根、霍布斯、洛克或休谟，更喜欢谈论“理解”或“领悟”，而不是形而上学的思辨。
迄今为止，还没有一个定义能够获得完全的共识。 研究这一课题的人一致认为，这是一系列复杂的现象。而且，存在几种合理且互补的概念化解释。事实上，如果你去问那些顶尖的理论家，他们会给你几十种并存或截然不同的定义。
一些有影响力的提案体现了这种多样性： 斯皮尔曼谈到了解决问题的一般能力。艾森克将智力与神经处理的效率联系起来；汉弗莱斯认为智力是适应环境的能力；加德纳将其定义为在文化中解决问题和创造有价值的产品。
其他表述方式则增添了细微差别： 戈特弗雷德森强调推理、计划、抽象思维和快速学习。比奈强调判断力和实用性；韦克斯勒将其描述为有目的地行动、理性思考和管理环境的总体能力；伯特强调一种与生俱来的认知能力。
更多定义： 斯特恩伯格和萨尔特谈到了目标导向的适应性行为费尔斯坦描述了人类改变自身认知功能的倾向；莱格和胡特将智能形式化为个体在多种环境中实现目标的能力；亚历山大·维斯纳-格罗斯提出了基于物理原理的理论。
智能架构：从一般到多元
在心理测量学的起源中，查尔斯·斯皮尔曼区分了一般因素“g”和特定因素“s”。 不同测试中的表现具有共同的方差（g）和与任务相关的另一个方差（s）。因子分析的诞生正是为了梳理这些数据。在此基础上，更丰富的模型应运而生。
路易斯·里昂·瑟斯顿反对单一主导因素，提出了几种基本心理能力。 他还指出，语言理解能力和流畅性、记忆力、空间和数字能力、感知速度和推理能力都是重要的能力。每个人都有自己的个人资料，而不是用一个数字来概括所有信息。
西里尔·伯特建立了一个层级模型： 从感觉和知觉因素到关系过程并以一个通用因素作为顶层。这种层级划分方式有助于解释简单的技能如何组合成更抽象的能力。
雷蒙德·B·卡特尔总结了这一全景，区分了流体智力（新颖的推理能力，神经生理基础）和晶体智力（积累的知识和技能）。 两者相关，但在人生历程中遵循不同的发展轨迹。流体型人格在青春期后趋于稳定，而结晶型人格则会随着经验的积累而不断成长。
约翰·B·卡罗尔的三层模型实现了巨大的整合飞跃。 特定的天赋是广泛认知能力的基础，而最重要的是，它是普遍因素的基础。重点从结果转移到过程，任务更偏向认知而非仅仅是心理测量。
除了这些框架之外，其他方法也拓宽了视野。 加德纳提倡几种相对独立的智能体。 （逻辑数学、语言、空间、音乐、身体运动、人际交往、内省、自然主义），并建议观察和培养它们，而不是用单一尺度来衡量它们。
罗伯特·J·斯滕伯格的三元理论包含三个方面： 分析能力（获取、编码和分析信息）、创造能力（应对新事物）和实践能力（适应现实世界环境）一个人可能在某方面比在其他方面更出色，这也是智力的一种体现。
与此同时，丹尼尔·戈尔曼普及了情商。 识别、理解、调节和运用自身及他人的情绪是一项至关重要的技能。 虽然在传统测试中并不总是表现出色，但在个人和职业生活中却能取得优异成绩。
智力测量：历史、测试和局限性
20 世纪初，阿尔弗雷德·比奈设计了第一个用于预测学校表现和发现教育需求的测试。 由此产生了心理年龄的概念，后来又产生了智商的概念。 继威廉·斯特恩的贡献之后，大卫·韦克斯勒针对不同年龄段进行了标准化。
心理测量学，通过信度、效度和因子分析等技术，使得构建有用的工具成为可能。 有些测试着眼于总体因素，而另一些测试则通过多个子量表来评估特征。但需要注意的是：结果取决于背景、主体的状态以及理论模型本身。
像斯蒂芬·杰伊·古尔德这样的批评家谴责了历史研究的滥用、偏见和对数字的过度依赖。 测试并不能捕捉到所有智能行为。它们可能受到文化或情感因素的影响，如果使用不当，最终会导致基于单一分数对人才进行歧视或高估，例如在 自闭症患者.
此外，我们仍在争论遗传和环境因素的重要性，如何解释群体之间的差异，以及被称为弗林效应的分数持续增长意味着什么。 这一现象表明，抽象问题解决能力在几代人之间有所提高。这可能是由于教育普及、环境复杂性变化和营养改善等因素造成的。
值得注意的是一个关键点： 知识和智商并不等同于广义上的智力。一个人可能缺乏某些正规知识，但仍然能够在日常环境中非常有效地进行处理、推理、计划和适应。
影响智力的因素有哪些：遗传、大脑和环境
基因固然重要，但它们并不能决定命运。 双胞胎研究显示出遗传因素是的，尽管组合方式的多样性和大脑的可塑性意味着环境、刺激和教育会起到决定性作用。
从生物学角度来看，神经系统的早期发育和突触连接的增殖奠定了强大的基础。 与世界的互动、语言和认知挑战都会完善这些回路。 在关键时期。
社会文化和情感背景起着非常重要的作用。 压抑或刺激的环境都可能限制能力的发展。相反，全面的教育、持续的动力和健康的生活习惯（休息、营养、心理健康）能够激发实践能力和学术能力。
关于大脑，罗杰·斯佩里证明，大脑的两个半球共享信息，但处理信息的方式不同。 左脑倾向于逻辑分析和语言；右脑倾向于空间、音乐和全球视野。事实上，在创造力方面，它们可以和谐合作；因此，不建议将教学偏向于单一风格。
在教育学领域，人们对平衡的需求日益增长： 并非一切都只是重复内容和解决一系列问题。在现实生活中，探索、表达、合作、沟通和决策也很重要，其他方面的智能也会在这些方面显现出来。
智慧从何而来：自然界的进化与延续
从进化生物学的角度来看，如果一个性状能够带来适应性优势，那么它就会保留下来。 在人类中，双足行走、饮食变化以及最重要的社会复杂性等因素被认为是造成这种现象的原因。合作、竞争、欺骗、结盟……所有这些都需要不断提高的认知能力。
社会脑假说观察到，较大的群体往往与更发达的新皮层相关。 管理关系和规则涉及计划、记忆、模拟和协商。这时，实践智慧和社交智慧就派上用场了。
智力并非人类独有。 在许多物种中，这种现象都有不同程度的体现。甚至有些没有中枢神经系统的生物，例如粘菌多头绒泡菌，也能通过寻找有效的路径来解决迷宫问题：无需神经元即可进行信息处理。
从系统论和热力学的角度来看，智能可以被视为 倾向于节约能源并寻找应对环境变化的有效解决方案从某种程度上来说，找到最短路径或稳定一个有用的功能可以算作“智能”行为。
这种观点暗示着延续性： 智力是一个程度和组织的问题。这并非一个二元标签。人类并非“被选中的”，而是众多物种之一，由于语言、文化积累和合作的结合，我们拥有非凡的认知能力。
人类智能与人工智能
计算和思考是不一样的。 自20世纪30年代和40年代以来，计算机和电子技术为我们提供了处理符号和数据的机器。 程序是强大的工具，但要复制人类的通用能力则完全是另一回事。
约瑟夫·魏岑鲍姆在 20 世纪 60 年代创建了 ELIZA，这是一个根据模式选择响应并似乎可以对话的系统。 他本人也警告说，将算法决策与人类判断混为一谈是错误的。决策可以预先设定；而选择，即评估和深思熟虑的选择，则属于另一个层次。
罗杰·彭罗斯认为人类思维本质上并非算法式的，并推测了意识中可能涉及的量子过程。 虽然尚未达成共识，但他们的反对意见对强人工智能提出了明确的限制。 正如几十年来人们所设想的那样。
如今，深度神经网络和大数据在解决特定任务方面展现出了令人惊叹的能力。 即便如此，目前还没有能与人类智能相媲美的通用人工智能。夸大能力会损害科学的可信度；区分强大的工具和智能体至关重要。
操作性结论很简单： 让我们利用…… 狭义人工智能 就其最擅长的方面而言，让我们继续深入调查。 是什么使人类思维独一无二？（不要将计算与理解、自动化与意识混淆。）
有用的概念图：能力、资质、技能和表现
有必要对术语进行整理。 能力是指有效执行某种行为的潜力。“天赋”与能力有所重叠，有时还带有更具体或更与生俱来的细微差别。
“技能”和“灵巧”指的是 通过学习和实践获得的实用和技术知识当问题非常具体时，我们就谈论在特定领域的能力。
绩效是指完成任务的水平。 能力（倾向）与技能（练习）相互作用的结果仅凭绩效而忽略背景信息，可能会误导人们对潜在能力的判断。
有些思想流派将智力分为 A 型智力（生物基础）、B 型智力（可观察的社会表现）和 C 型智力（心理测量学上的智力，即通过测试测量的智力）。 A 和 C 可以被视为构成实用智能的组成部分而不局限于其中任何一个。
该术语的词源及其在历史上的用法
在中世纪，“intellectus”成为理解的专业术语，它是由希腊语“nous”翻译而来。 这种方法是基于目的论宇宙观，而这种宇宙观现在已经过时了。近代早期，词汇转向“理解”和“领悟”，并采取了更加经验主义的方法。
霍布斯嘲讽了诸如“理解力理解”之类的同义反复的表达方式。 要求逻辑清晰，杜绝概念漏洞从那时起，关于什么才算“聪明”的讨论就变成了对精确性的追求，而不是对修辞的空谈。
如果我们把所有这些因素综合起来，就会发现我们通常所说的智能并不符合单一的模式，它不是被诅咒的染色体或神奇的数字，它既不是人类独有的遗产，也不是机器如今普遍能够复制的东西。 它是一系列贯穿一生、以千百种方式展现的能力，并且是用有用但不完美的工具进行评估的能力。因此，重要的是要摒弃教条，关注教育环境，重视解决问题的能力，以及同理心、创造力和在现实世界中的适应性行为。
